NSGA-NSGA-I算法详解ppt课件.ppt

《NSGA-NSGA-I算法详解ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1Pareto占优2对于多目标优化问题，通常存在一个解集，这些解之间就全体目标函数而言是无法比较优劣的，其特点是:无法在改进任何目标函数的同时不削弱至少一个其他目标函数。这种解称作非支配解或Pareto最优解.Pareto最优解Pareto最优前沿对于组成Pareto最优解集的所有Pareto最优解，其对应目标空间中的目标矢量所构成的曲面称作Pareto最优前沿.3NSGA非支配排序遗传算法NSGA与简单的遗传算法的主要区别在于:该算法在选择算子执行之前根据个体之间的支配关系进行了分层。其选择算子、交叉算子和变异算子与简单遗传算法没有区别.NSG

2、A采用的非支配分层方法，可以使好的个体有更大的机会遗传到下一代;适应度共享策略则使得准Pareto面上的个体均匀分布，保持了群体多样性，克服了超级个体的过度繁殖，防止了早熟收敛.4开始终止进化代数Gen=0,初始化种群Front=1进化代数Gen小于最大代数根据虚拟适应度进行复制交叉变异种群全部分级Gen=Gen+1识别非支配个体指定虚拟适应度值应用于适用度共享小生境Front=Front+1YNYN5非支配排序原理6种群分层结束后，需要给每级指定一个虚拟适应度值，级别越小，说明其中的个体越优，赋予越高的虚拟适应值，反之级别越大，赋予越低的虚拟适

3、应值。这样可以保证在复制操作中级别越小的非支配个体有更多的机会被选择进入下一代，使得算法以最快的速度收敛于最优区域。比如第一级非支配层的个体标上虚拟适应值为1，第二级非支配层的个体标上虚拟适应值为0.9(或其他)，以此类推，直到所有的个体都被标上虚拟适应值。但是由于同一级非支配层中的个体拥有相同的适应度值，某些个体在遗传操作中可能被遗弃，导致最优解集不具有多样性，为了得到分布均匀的Pareto最优解集，就要保证当前非支配层上的个体具有多样性。7共享小生境技术8910NSGA的缺点：11带精英策略的非支配排序遗传算NSGA-Ⅱ12开始输出进化代数G

4、en=1,初始化种群Gen=最大代数Gen=Gen+1交叉,变异i=i+1YNYNi=1YN13快速非支配排序法14拥挤度比较算子--拥挤度的确定1516拥挤度比较算子--拥挤度比较算子17精英策略1819